午夜毛片免费看,老师老少妇黄色网站,久久本道综合久久伊人,伊人黄片子

一種基于物候分段DTW的作物生理參數(shù)遙感時(shí)序估測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)

文檔序號(hào):39729654發(fā)布日期:2024-10-22 13:34閱讀:8來(lái)源:國(guó)知局
一種基于物候分段DTW的作物生理參數(shù)遙感時(shí)序估測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)

本發(fā)明屬于定量遙感和作物監(jiān)測(cè),尤其涉及一種基于物候分段dtw的作物生理參數(shù)遙感時(shí)序估測(cè)方法、系統(tǒng)及存儲(chǔ)介質(zhì)。


背景技術(shù):

1、衛(wèi)星遙感通過(guò)時(shí)間序列遙感植被指數(shù)揭示作物生長(zhǎng)狀況和產(chǎn)量的時(shí)空維度,已成為獲取地方、區(qū)域和全球尺度作物信息的主要方法。通過(guò)數(shù)理方法和計(jì)算機(jī)技術(shù)對(duì)遙感獲取得作物波譜響應(yīng)進(jìn)行分析,從而反演出作物生理參數(shù)是實(shí)現(xiàn)作物長(zhǎng)勢(shì)監(jiān)測(cè)的具體手段。目前大多數(shù)估測(cè)模型是將植被指數(shù)與作物生理參數(shù)聯(lián)系起來(lái),構(gòu)建從觀測(cè)數(shù)據(jù)到目標(biāo)參量之間的表達(dá)式。這類方法的優(yōu)點(diǎn)是,觀測(cè)數(shù)據(jù)和目標(biāo)參量之間具有明確的因果關(guān)系,可以揭示水稻株高模型中變量的作用。但這類模型的時(shí)空泛化能力較差,在不同區(qū)域或年份應(yīng)用時(shí)往往估算結(jié)果存在偏差。此外,在使用反演模型適應(yīng)新的年份和區(qū)域時(shí),解決時(shí)間變化尤為重要。由于農(nóng)業(yè)氣候條件和農(nóng)業(yè)實(shí)踐(包括不同的播種時(shí)間、生長(zhǎng)周期等)的不同,同一類型的兩個(gè)地塊可能具有不同的物候演變,當(dāng)源訓(xùn)練模型應(yīng)用于目標(biāo)年份和區(qū)域時(shí),時(shí)間偏移可能導(dǎo)致lai估計(jì)出現(xiàn)誤差。

2、一些研究利用savitzky-golay濾波、傅里葉變換和小波變換等多種技術(shù)對(duì)植被指數(shù)的時(shí)間序列進(jìn)行平滑處理,能夠提取最大值、最小值和拐點(diǎn)等關(guān)鍵節(jié)點(diǎn),從而精確定位作物生長(zhǎng)周期內(nèi)的關(guān)鍵時(shí)間點(diǎn),然而這種方法僅限于監(jiān)測(cè)特定的作物生長(zhǎng)階段,缺乏對(duì)作物完整生長(zhǎng)周期的協(xié)同分析。

3、因此,亟待解決上述問(wèn)題。


技術(shù)實(shí)現(xiàn)思路

1、發(fā)明目的:本發(fā)明的第一目的是提供一種基于物候分段dtw的作物生理參數(shù)遙感時(shí)序估測(cè)方法,該估測(cè)方法旨在克服物候不匹配現(xiàn)象導(dǎo)致作物生理參數(shù)遙感時(shí)序估測(cè)精度低的問(wèn)題,實(shí)現(xiàn)不同農(nóng)業(yè)場(chǎng)景下作物時(shí)間序列匹配以及作物生理參數(shù)高精度時(shí)序估測(cè)。

2、本發(fā)明的第二目的是提供一種基于冠層結(jié)構(gòu)動(dòng)態(tài)約束的雙極化sar圖像水稻葉面積指數(shù)估測(cè)系統(tǒng)。

3、本發(fā)明的第三目的是提供一種計(jì)算機(jī)存儲(chǔ)介質(zhì)。

4、技術(shù)方案:為實(shí)現(xiàn)以上目的,本發(fā)明公開(kāi)了一種基于物候分段dtw的作物生理參數(shù)遙感時(shí)序估測(cè)方法,包括以下步驟:

5、(1)對(duì)時(shí)間序列遙感影像進(jìn)行預(yù)處理,得到處理后的時(shí)序遙感數(shù)據(jù);

6、(2)以時(shí)序遙感數(shù)據(jù)為基礎(chǔ),計(jì)算植被指數(shù),得到植被指數(shù)時(shí)序數(shù)據(jù)集;

7、(3)結(jié)合作物樣本實(shí)測(cè)數(shù)據(jù),構(gòu)建用于估算作物生理參數(shù)的遙感估測(cè)模型;

8、(4)以地塊為基本地理單元,分別構(gòu)建作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線和植被指數(shù)時(shí)序曲線數(shù)據(jù)集;

9、(5)以植被指數(shù)時(shí)序曲線為基礎(chǔ),確定目標(biāo)地塊作物生長(zhǎng)的時(shí)間范圍;

10、(6)基于動(dòng)態(tài)時(shí)間規(guī)整算法,構(gòu)建物候分段時(shí)間加權(quán)動(dòng)態(tài)算法,并以植被指數(shù)時(shí)序曲線為輸入獲得作物時(shí)序匹配路徑;

11、(7)根據(jù)獲得的匹配路徑對(duì)目標(biāo)地塊作物的時(shí)間參數(shù)進(jìn)行調(diào)整,并基于遙感估測(cè)模型和時(shí)序植被指數(shù)估算作物生理參數(shù)。

12、其中,步驟(1)中若時(shí)間序列遙感影像為光學(xué)遙感影像,預(yù)處理包括輻射定標(biāo)、大氣校正、幾何校正和圖像濾波;

13、若時(shí)間序列遙感影像為微波遙感影像,預(yù)處理包括多視處理、斑點(diǎn)濾波、地理編碼和輻射定標(biāo)。

14、優(yōu)選的,步驟(3)具體包括如下步驟:

15、采用最小二乘法描述各個(gè)生育期作物生理參數(shù)與植被指數(shù)的關(guān)系,并使用多項(xiàng)式描述模型參數(shù)隨時(shí)間的變化關(guān)系,從而構(gòu)建遙感估測(cè)模型,表達(dá)式為:

16、(1)

17、(2)

18、(3)

19、式中代表生理參數(shù),為植被指數(shù), k和 b分別為不同生育期最小二乘回歸模型的系數(shù)和截距,為年中天數(shù),n為多項(xiàng)式的階數(shù),和為多項(xiàng)式參數(shù),通常利用最小二乘法確定。

20、再者,步驟(4)具體包括如下步驟:

21、以地塊為基本地理單元,將時(shí)序遙感數(shù)據(jù)的平均值作為特征值,并對(duì)每年的特征曲線以1天的時(shí)間間隔進(jìn)行線性插值,然后利用savitaky-golay濾波來(lái)降低曲線的時(shí)間噪聲,多項(xiàng)式階數(shù)和時(shí)間窗口大小分別設(shè)置為4和25,獲得地塊單元的植被指數(shù)時(shí)序曲線數(shù)據(jù)集;其中,將用于構(gòu)建遙感估測(cè)模型的地塊數(shù)據(jù)的植被指數(shù)時(shí)序曲線作為作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線。

22、進(jìn)一步,步驟(5)具體包括如下步驟:

23、根據(jù)作物日歷數(shù)據(jù),對(duì)作物早期生長(zhǎng)范圍進(jìn)行了限定,進(jìn)而識(shí)別作物生長(zhǎng)范圍的開(kāi)端;在對(duì)應(yīng)時(shí)間序列中提取植被指數(shù)時(shí)間序列的極小值點(diǎn),并統(tǒng)計(jì)極小值點(diǎn)的數(shù)量;若極小值點(diǎn)的數(shù)量為0,默認(rèn)限定時(shí)間序列的中點(diǎn)為作物生長(zhǎng)范圍的開(kāi)端;若極小值點(diǎn)的數(shù)量為1,則該極小值點(diǎn)為作物生長(zhǎng)范圍的開(kāi)端;若極小值點(diǎn)數(shù)量大于1,統(tǒng)計(jì)序列中左側(cè)極大值大于右側(cè)極大值的局部極小值的數(shù)量,若無(wú)極大值取最大值;若符合條件的極小值數(shù)量為0,選擇最早出現(xiàn)的極小值點(diǎn)作為作物生長(zhǎng)范圍的開(kāi)端;若符合條件的極小值數(shù)量為1,則該極小值點(diǎn)為作物生長(zhǎng)范圍的開(kāi)端;若符合條件的極小值數(shù)量大于1,選擇最早出現(xiàn)且符合條件的極小值點(diǎn)作為作物生長(zhǎng)范圍的開(kāi)端;

24、根據(jù)作物日歷數(shù)據(jù),對(duì)作物晚期生長(zhǎng)范圍進(jìn)行了限定,進(jìn)而識(shí)別作物生長(zhǎng)范圍的結(jié)束;在對(duì)應(yīng)時(shí)間序列中提取植被指數(shù)時(shí)間序列的極小值點(diǎn),并統(tǒng)計(jì)極小值點(diǎn)的數(shù)量;若極小值點(diǎn)的數(shù)量為0,默認(rèn)限定時(shí)間序列的中點(diǎn)為作物生長(zhǎng)范圍的結(jié)束;若極小值點(diǎn)的數(shù)量為1,則該極小值點(diǎn)為作物生長(zhǎng)范圍的結(jié)束;若極小值點(diǎn)數(shù)量大于1,統(tǒng)計(jì)序列中左側(cè)極大值大于右側(cè)極大值的局部極小值的數(shù)量,若無(wú)極大值取最大值;若符合條件的極小值數(shù)量為0,選擇最早出現(xiàn)的極小值點(diǎn)作為作物生長(zhǎng)范圍的結(jié)束;若符合條件的極小值數(shù)量為1,則該極小值點(diǎn)為作物生長(zhǎng)范圍的結(jié)束;若符合條件的極小值數(shù)量大于1,選擇最早出現(xiàn)且符合條件的極小值點(diǎn)作為作物生長(zhǎng)范圍的結(jié)束。

25、優(yōu)選的,步驟(6)具體包括如下步驟:

26、提取作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線和目標(biāo)地塊的植被指數(shù)時(shí)序曲線,將作物生長(zhǎng)范圍的開(kāi)端和結(jié)束作為時(shí)序曲線的兩個(gè)分割點(diǎn);選擇目標(biāo)地塊作物生長(zhǎng)范圍的中點(diǎn)作為該地塊植被指數(shù)時(shí)序曲線的第三個(gè)分割點(diǎn),作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線的第三個(gè)分割點(diǎn)設(shè)置為目標(biāo)地塊作物生長(zhǎng)范圍中點(diǎn)所對(duì)應(yīng)的生長(zhǎng)天數(shù);將分割的時(shí)間序列作為動(dòng)態(tài)時(shí)間規(guī)整算法的輸入,獲得匹配路徑,并集成所有分段的匹配路徑。

27、再者,步驟(6)中所述動(dòng)態(tài)時(shí)間規(guī)整算法為:

28、設(shè)作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線和目標(biāo)地塊植被指數(shù)時(shí)序曲線分別為和時(shí)間序列和,,,由這兩個(gè)時(shí)間序列構(gòu)造的距離矩陣:

29、(4)

30、式中是兩個(gè)序列之間的基距,一般取兩個(gè)序列的節(jié)點(diǎn)值之差的絕對(duì)值作為dtw的基距,即;

31、由距離矩陣可推導(dǎo)累積距離矩陣,對(duì)于中的任意元素,其值是中從到的最小累積距離,一般通過(guò)遞歸累積最小距離來(lái)計(jì)算;

32、(5)

33、(6)

34、動(dòng)態(tài)時(shí)間規(guī)整算法是通過(guò)動(dòng)態(tài)規(guī)劃使得累積距離最小,在動(dòng)態(tài)規(guī)劃過(guò)程中,可以通過(guò)回溯獲得最佳的匹配路徑,匹配路徑用于定義和之間的映射,其中是匹配路徑的長(zhǎng)度,的第個(gè)元素定義為。

35、進(jìn)一步,步驟(7)具體包括如下步驟:

36、根據(jù)所述匹配路徑,將目標(biāo)地塊植被指數(shù)時(shí)序曲線匹配到作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線;

37、若目標(biāo)地塊植被指數(shù)時(shí)序曲線的單個(gè)點(diǎn)與作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線的單個(gè)點(diǎn)對(duì)應(yīng),則作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線上的點(diǎn)為目標(biāo)地塊植被指數(shù)時(shí)序曲線上點(diǎn)的匹配點(diǎn);

38、若目標(biāo)地塊植被指數(shù)時(shí)序曲線的單個(gè)點(diǎn)與作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線的多個(gè)點(diǎn)對(duì)應(yīng),則作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線上點(diǎn)的平均點(diǎn)為目標(biāo)地塊植被指數(shù)時(shí)序曲線上點(diǎn)的匹配點(diǎn);

39、若目標(biāo)地塊植被指數(shù)時(shí)序曲線的多個(gè)點(diǎn)與作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線的單個(gè)點(diǎn)對(duì)應(yīng),則作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線上的點(diǎn)均為目標(biāo)地塊植被指數(shù)時(shí)序曲線上多個(gè)點(diǎn)的匹配點(diǎn);

40、基于曲線匹配結(jié)果、植被指數(shù)、遙感估測(cè)模型估算出目標(biāo)地塊作物生理參數(shù)。

41、基于相同的發(fā)明構(gòu)思,本發(fā)明公開(kāi)了一種基于物候分段dtw的作物生理參數(shù)遙感時(shí)序估測(cè)系統(tǒng),包括:

42、預(yù)處理模塊,用于對(duì)時(shí)間序列遙感影像進(jìn)行預(yù)處理,得到處理后的時(shí)序遙感數(shù)據(jù);

43、指數(shù)計(jì)算模塊,用于以時(shí)序遙感數(shù)據(jù)為基礎(chǔ),計(jì)算植被指數(shù),得到植被指數(shù)時(shí)序數(shù)據(jù)集;

44、估測(cè)模型構(gòu)建模塊,用于結(jié)合作物樣本實(shí)測(cè)數(shù)據(jù),構(gòu)建用于估算作物生理參數(shù)的遙感估測(cè)模型;

45、時(shí)序曲線構(gòu)建模塊,用于以地塊為基本地理單元,分別構(gòu)建作物標(biāo)準(zhǔn)植被指數(shù)時(shí)序曲線和植被指數(shù)時(shí)序曲線數(shù)據(jù)集;

46、生長(zhǎng)時(shí)間確定模塊,用于以植被指數(shù)時(shí)序曲線為基礎(chǔ),確定目標(biāo)地塊作物生長(zhǎng)的時(shí)間范圍;

47、匹配路徑獲取模塊,用于基于動(dòng)態(tài)時(shí)間規(guī)整算法,構(gòu)建物候分段時(shí)間加權(quán)動(dòng)態(tài)算法,并以植被指數(shù)時(shí)序曲線為輸入獲得作物時(shí)序匹配路徑;

48、參數(shù)估算模塊,用于根據(jù)獲得的匹配路徑對(duì)目標(biāo)地塊作物的時(shí)間參數(shù)進(jìn)行調(diào)整,并基于遙感估測(cè)模型和時(shí)序植被指數(shù)估算作物生理參數(shù)。

49、本發(fā)明一種計(jì)算機(jī)存儲(chǔ)介質(zhì),計(jì)算機(jī)存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序,該計(jì)算機(jī)程序被處理器運(yùn)行,執(zhí)行上述的一種基于物候分段dtw的作物生理參數(shù)遙感時(shí)序估測(cè)方法。

50、有益效果:與現(xiàn)有技術(shù)相比,本發(fā)明具有以下顯著優(yōu)點(diǎn):本發(fā)明考慮作物生長(zhǎng)范圍和局部匹配,將dtw算法應(yīng)用于時(shí)序遙感影像的作物生理參數(shù)估測(cè)研究中,實(shí)現(xiàn)不同農(nóng)業(yè)場(chǎng)景下作物生理參數(shù)高精度時(shí)序估測(cè);本發(fā)明旨在克服物候不匹配現(xiàn)象導(dǎo)致作物生理參數(shù)遙感時(shí)序估測(cè)精度低的問(wèn)題,實(shí)現(xiàn)不同農(nóng)業(yè)場(chǎng)景下作物時(shí)間序列匹配以及作物生理參數(shù)高精度時(shí)序估測(cè)。

當(dāng)前第1頁(yè)1 2 
網(wǎng)友詢問(wèn)留言 已有0條留言
  • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1